摘要
Python转换图片为WebP，Pillow最推荐：安装简单（pip install pillow）、使用方便，代码示例显示处理RGBA转RGB等细节，适合多数场景；Wand功能更强基于ImageMagick，适合需高级处理的场景；OpenCV速度快，主要用于计算机视觉。
内容
图片格式转换是日常开发中常常遇到的需求，WebP作为一种高效的图像格式，能在保证画质的同时显著减小文件体积，对提升应用加载速度和节省带宽很有帮助。Python生态里有几个成熟的库可以实现这个功能，下面就用简单的方式介绍一下。
1. Pillow (PIL)：最常用的选择
Pillow 是 Python 中最基础也最常用的图像处理库，就像给开发者配备了一把“瑞士军刀”，简单的格式转换对它来说非常轻松。它支持几乎所有主流图像格式，包括 WebP，而且安装和使用都很方便，兼容性也经过了大量场景的验证。
核心特点：
- 安装简单：直接用
pip install pillow就能搞定。 - 使用门槛低：几行代码就能实现转换，新手也容易上手。
- 兼容性强：能处理大部分图片场景，比如常见的 PNG、JPG、BMP 等。
示例代码：
from PIL import Imagedef convert_to_webp(input_path, output_path, quality=80):with Image.open(input_path) as img:# 处理带透明通道的图片（WebP 不直接支持透明，这里转为白色背景）if img.mode in ('RGBA', 'LA'):background = Image.new(img.mode[:-1], img.size, (255, 255, 255)) # 白色背景background.paste(img, img.split()[-1]) # 粘贴透明图层img = background# 直接保存为 WebP 格式，quality 参数控制压缩质量（0-100）img.save(output_path, 'webp', quality=quality)
2. Wand：功能更强大的高级工具
Wand 是 ImageMagick 的 Python 绑定库，ImageMagick 本身是一个功能强大的跨平台图像处理工具，支持超过 200 种图像格式。所以 Wand 就像给 ImageMagick 加了一个“Python 接口”，适合需要复杂图像处理（比如裁剪、滤镜、特效等）的场景。
核心特点：
- 功能全面：除了格式转换，还能处理图像缩放、旋转、色彩调整等高级操作。
- 依赖外部工具：需要先安装 ImageMagick（不同系统安装命令不同，如
brew install imagemagick或apt-get install imagemagick）。
示例代码：
from wand.image import Imagedef convert_to_webp(input_path, output_path, quality=80):with Image(filename=input_path) as img:img.format = 'webp' # 指定输出格式为 WebPimg.compression_quality = quality # 压缩质量（0-100）img.save(filename=output_path) # 保存到目标路径
3. OpenCV (cv2)：计算机视觉场景的好搭档
OpenCV 是专门为计算机视觉任务设计的库，主要用于图像识别、视频处理等场景。它虽然主要功能是视觉计算，但也支持基本的图像格式转换，而且处理速度很快，适合需要高效处理大量图像的场景。
核心特点：
- 速度快：底层用 C++ 实现，处理效率高，适合批量操作。
- 依赖场景：更适合结合计算机视觉逻辑的转换需求，比如从摄像头读取图像后直接转换。
示例代码：
import cv2def convert_to_webp(input_path, output_path, quality=80):# OpenCV 默认读取的是 BGR 格式，需要转为 RGBimg = cv2.imread(input_path)if img is None:raise FileNotFoundError(f"无法读取图片: {input_path}")img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)# 第三个参数是压缩参数，WebP 质量范围 0-100cv2.imwrite(output_path, img_rgb, [cv2.IMWRITE_WEBP_QUALITY, quality])
怎么选？
- 如果只是简单的图片转 WebP，Pillow 是首选。它轻量、易上手，安装和使用都无需额外配置，兼容性也经过了广泛验证。
- 如果需要更复杂的图像处理（比如批量修改尺寸、添加水印等），可以试试 Wand，它能满足更灵活的需求。
- 如果是在计算机视觉项目中，比如从视频帧或摄像头获取图像后直接转换，OpenCV 的高效处理能力会更有优势。
总之，根据具体场景选择合适的工具，就能用 Python 轻松实现图片格式转换了。
阅后请思考
- Pillow处理GIF有什么问题？
- Wand转WebP需要额外依赖吗？
- OpenCV适合哪些WebP优化场景？
